基于遗传算法的药物动力学参数估计
遗传算法；,药物动力学模型；,参数估计,,遗传算法；,药物动力学模型；,参数估计,1基本GA的一般步骤,2方法,3计算实例,4讨论,参考文献
摘要： 目的：将遗传算法(GA)用于药物动力学(PK)模型参数估计。方法：用MATLAB70所带遗传算法与直接搜索工具箱(GADS)或免费遗传算法最优化工具箱GAOT求得PK参数估计值。结果：GA与常用PK软件包(传统算法)计算比较，结果基本一致，各有优点与不足之处。关键词： 遗传算法； 药物动力学模型； 参数估计
遗传算法(Genetic Algorithm, GA)[1，2]是以自然选择和遗传理论为基础，将生物进化过程中适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。GA摒弃了传统的搜索方式，模拟自然界生物进化过程，采用人工进化的方式对目标空间进行随机优化搜索。它将问题域中的可能解看作是群体的一个个体或染色体，并将每一个个体编码成符号串形式，模拟达尔文的遗传选择和自然淘汰的生物进化过程，对群体反复进行基于遗传学的操作(遗传、交叉和变异)。根据预定的目标适应度函数对每个个体进行评价，依据适者生存、优胜劣汰的进化规则，不断得到更优的群体，同时，以全局并行搜索方式来搜索优化群体中的最优个体，以求得满足要求的最优解。
GA的基本思想是：从一个代表最优化解的一组初值开始进行搜索，这组解称为一个种群，种群由一定数量、通过基因编码的个体组成 ......
您现在查看是摘要页，全文长 5017 字符。